- 博客(7)
- 收藏
- 关注
RSS订阅原创 数据挖掘——HeartbeatClassification
Task 5:模型融合模型融合是比赛后期的一个重要环节，大致有以下几种方式：简单加权融合回归（分类概率）：算术平均融合（Arithmetic mean），几何平均融合（Geometric mean）；分类：投票（Voting)综合：排序融合(Rank averaging)，log融合stacking/blending构建多层模型，并利用预测结果再拟合预测。boosting/bagging（在xgboost，Adaboost,GBDT中已经用到）:多树的提升方法5.4.1回归\分类概率
2021-03-28 16:27:04
146
原创 数据挖掘————HeartbeatClassification
该项目是天池比赛的一个，学习记录。Task4 建模与调参1（建模）# 导入相关包和相关设置import pandas as pdimport numpy as npfrom sklearn.metrics import f1_score#精确率和召回率的调和平均数import osimport seaborn as snsimport matplotlib.pyplot as pltimport warningswarnings.filterwarnings("ignore")#
2021-03-25 21:18:39
170
原创 数据挖掘————HeartbeatClassification
Task3 特征工程在这一篇中以天池比赛的HeartbeatClassification提供的数据作为对象，提取数据特征，这在数据挖掘中是非常关键的步骤，通过此步骤可以得到大量优秀的特征，方便接下来使用机器学习方法或其他方法建模。由于本次比赛的数据是时间序列数据，所以主要介绍提取时间序列特征的tsfresh包里的方法。这在比赛中是经常见到的工具。import pandas as pdimport numpy as npimport tsfresh as tsf#提取时间序列数据from tsfr
2021-03-22 20:24:19
293
原创 HeartBeatClassification------------数据分析
HeartBeatClassification是天池比赛的一个项目，记录学习过程。Task 2 数据分析数据分析主要是在拿到数据之后，对数据的结构，质量，分布做基本的了解，方便后续工作的展开，做到心中对数据大致有一个把握。# 2.3.1载入各种数据科学和可视化库#coding:utf-8# 导入warning包，利用过滤器来实现忽略警告语句import warningswarnings.filterwarnings('ignore')import pandas as pdimport mi
2021-03-19 18:57:12
472
原创 Ensemble Learning------基本的回归模型
Ensemble Learning----基本的回归模型上一次有点没说完。聚类是无监督学习的一种，比如我们常见的k-means算法，不给出因变量，对自变量的取值进行聚类。回归是监督学习的一种方法，包含的内容非常多，比较基础的是线性回归，当线性回归不能解决问题时将线性回归的每个变量增加次数，成为多项式回归，如果将每个变量变成多项式，就成为了广义可加模型（GAM）。另外决策树、SVM（支持向量机）都是回归问题的解决方法。from sklearn import datasetsboston=datase
2021-03-18 16:19:50
361
原创 数据挖掘--Heartbeatclassification
HeartbeatClassification是天池数据比赛的一道题目。记录学习过程。从近几年的各大数据竞赛中可以看到模型融合的身影，本文主要有“十折交叉法”，“lgb"，将数据集分为训练集、验证集、测试集。导入第三方包：# 导入第三方包import osimport gcimport mathimport pandas as pdimport numpy as npimport lightgbm as lgbimport xgboost as xgbfrom catboost
2021-03-16 20:36:31
227
3
原创 Ensemble Learning----机器学习三大任务
机器学习的三个主要任务可以是——分类、聚类和回归。数据中含有自变量和因变量，每列数据成为一个特征，每个样本有p+1个维度，前p个维度称为样本的p个特征，也就是自变量，最后一个维度称为样本的因变量，根据数据是否有因变量，机器学习的任务可以分为：有监督学习和无监督学习。有监督学习：给定某些特征去估计因变量。如：我们使用房间面积，房屋所在地区，环境等级等因素去预测某个地区的房价。也就比如分类和回归问题。无监督学习：给定某些特征却不给定因变量。如：我 们给定某电商用户的基本信息和消费记录，通过观察数据中的哪些
2021-03-15 16:46:39
297
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人